Model GRU slab supervizat

Obținerea a mii de secvențe adnotate manual este costisitoare și lentă. Supervizarea slabă ocolește acest lucru utilizând funcții de etichetare — reguli simple, potrivitori de cuvinte cheie, semnale de supervizare la distanță sau modele auxiliare — pentru a genera etichete probabilistice la scară. Un GRU este apoi antrenat pe aceste etichete zgomotoase, adesea cu o pierdere conștientă de zgomot sau un model de etichete care estimează fiabilitatea fiecărei surse. Deoarece porțile de actualizare și resetare ale GRU suprima în mod natural pașii de timp neinformativi, acesta este rezonabil robust la zgomotul etichetelor comparativ cu arhitecturi mai complexe, făcând combinația atractivă din punct de vedere practic pentru sarcini secvențiale în NLP, clinice și bazate pe senzori.